علی قزلباش - گروه آموزشی فنی و مهندسی، دانشگاه جیرفت، جیرفت
عمید خطیبی - عضو هیات علمی گروه کامپیوتر، دانشگاه آزاد اسلامی واحد بردسیر، بردسیر
مریم شریفی - دانشجوی کارشناسی ارشد نرم افزار، دانشگاه آزاد اسلامی واحد بردسیر، بردسیر

انتخاب ساختار مناسب و ایده آل، هنگام کار با شبکه های عصبی مصنوعی، همواره موضوعی چالش برانگیز و مورد بحث میان صاحب نظران علم هوش مصنوعی بوده است. تعیین تعداد نورون های میانی هر ساختار، از اهمیت بالایی برخوردار است؛ افزایش هزینه تحمیل شده بر شبکه از یک سو و کاهش خطای خروجی پیش بینی شده از سوی دیگر، همواره در دو سمت یک طیف قرار دارند. ما در این مقاله از یک شبکه عصبی با دولایه پنهان و تعداد d ورودی استفاده کردیم. لایه پنهان اول شامل d نورون، لایه پنهان دوم شامل 2d+2 نورون می باشد. تابع فعال سازی، به طور خاص، یک تابع سیگموئید بی نهایت مشتق پذیر است. نشان دادیم که شبکه عصبی با چنین ساختار و ویژگی هایی توانایی دارد، هر تابع پیوسته چندجمله ای را با هر میزان دقت دلخواه، تخمین زند.

شبکه عصبی، مدل پرسپترون پیش خور چندلایه، تابع سیگموئید، تخمین، انطباق